音乐数据驱动的基于机器学的舞蹈动作生成方法

摘要

本发明公开了一种音乐数据驱动的基于机器学的舞蹈动作生成方法。方法的步骤如下：预先构建的动作和音乐数据库，分析动作和音乐特征的相关性系数，选择最优的相关性系数集合；使用基于boost的机器学方法获得可以对动作和音乐匹配程度进行评分的学器；对每个音乐片段，系统综合考虑候选动作片段与输入音乐片段的匹配程度以及动作片段的平滑程度，选择最佳动作片段。本发明实现了给定任意音乐，系统可以根据得的机器学模型自动从舞蹈动作数据库中选择最佳动作序列的功能。解决了动画制作过程中音乐和动画难以良好匹配的难题，提供了一个在动画制作中进行全自动编舞的算法框架。

主权项

一种音乐数据驱动的基于机器学习的舞蹈动作生成方法，方法的步骤如下：1)构建动作和音乐数据库，将动作和音乐特征按照节奏点位置切分为动作和音乐片段对；2)对每一对动作和音乐片段对进行相关性分析得到相关性系数矩阵，选择最优的相关性系数集合；3)使用基于boost的机器学习方法将每个动作和音乐片段对作为训练样本，获得对动作和音乐片段对匹配程度进行评分的学习器；4)将用户输入系统的音乐按照节奏特征切分为音乐片段；5)使用动态规划算法综合考虑学习器给出的匹配程度误差分值以及前后动作片段的连贯性，选择最佳动作序列；6)对动作序列进行动作对齐，动作变形以及动作平滑以优化结果；所述的使用基于boost的机器学习方法将每个动作和音乐片段对作为训练样本，获得对动作和音乐片段对匹配程度进行评分的学习器步骤为：该机器学习方法由7种基本学习器构成，针对不同的舞种选定最佳的基本学习器，数据库中的每个动作和音乐片段对构成一个训练样例，训练样例以相关性系数的形式表示，不同舞种的训练样例用于训练不同舞种的学习器；设动作和音乐片段对(Ai，Mj)，Ai为i号音乐片段，Mj为j号动作片段，Mi为原始数据库中与Ai对应的动作片段，则(Ai，Mj)的匹配程度误差分值为：S(Ai，Mj)＝1‑exp(‑Distm(Mi，Mj))，其中Distm(Mi，Mj)是动作片段Mi与Mj间的距离。